验证码破解初体验

2020-05-20 本文已影响0人今天也是努力的小张

一、验证码

1. 验证码出现的地方

登录界面
登录界面一般情况下是没有验证码的，但是在输错很多的情况下会出现
查询数据的时候，点击查询按钮前要输入
爬取一个网站时，出现验证码（滑动验证码居多）
尽量自己先尝试，积累经验

2. 验证码分类

任何验证码都可以使用selenium手动输入

图片验证码
知网图片验证码：http://my.cnki.net/Register/CheckCode.aspx
解决：图片验证码可以使用OCR库-Tesseract解决，但是他只适用于处理简单图片，正确率不高，推荐使用打码平台
滑动验证码（验证码高级）
解决：参考滑动验证码破解
反人类验证码（十分不好识别的验证码）
解决：推荐selenium手动输入

二、Selenium手动打码

1. 原理

结合selenium配合可视化浏览器来完成

2. 学习一个新组合：selenuim+IE浏览器

配置参考：https://www.cnblogs.com/misswjr/p/9453566.html

3. 学习案例-发票真伪验证

import time
from selenium.webdriver.common.keys import Keys


def verify_fp():
    from selenium import webdriver
    # 创建浏览器驱动
    driver = webdriver.Ie()
    # 请求url
    driver.get('https://inv-veri.chinatax.gov.cn/')
    # 等待
    # driver.implicitly_wait(20)
    time.sleep(5)
    # 添加发票代码
    driver.find_element_by_xpath('//*[@id="fpdm"]').send_keys('044031900211')
    driver.find_element_by_xpath('//*[@id="fphm"]').send_keys('28780009')
    driver.find_element_by_xpath('//*[@id="kprq"]').send_keys('20200417')
    driver.find_element_by_xpath('//*[@id="kjje"]').send_keys('227437')
    # driver.find_element_by_xpath('//*[@id="yzm_img"]').click()
    
    while True:
        # 清空输入款
        driver.find_element_by_xpath('//*[@id="yzm"]').send_keys(Keys.CONTROL, 'a')
        driver.find_element_by_xpath('//*[@id="yzm"]').send_keys(Keys.CONTROL, 'x')
        code = input('输入验证码：')
        driver.find_element_by_xpath('//*[@id="yzm"]').send_keys(code)
        time.sleep(5)
        driver.find_element_by_xpath('//*[@id="checkfp"]').click()
        time.sleep(5)
        if '3999.0' in driver.page_source:
            print('发票为真！')
            break
        print('验证码错误，重新输入！')


if __name__ == '__main__':
    verify_fp()

driver就是一个浏览器对象，不管自动做操作，还是人为手动做操作，都可以影响driver。如果要设置人为操作，一定要注意等待的问题

三、打码平台

1. 介绍

打码平台有很多：云打码，斐斐打码，超级鹰。打码平台的作用就是发送请求到指定端口，等待返回数据。

2. 学习案例-超级鹰为例

（1）网址：http://www.chaojiying.com/
（2）注册账号和密码
（3）查看开发文档 -> 选择python语言 -> 左侧选择扩平台HTTP标准WEB接口
（4）从开发文档中，找到：接口地址、请求方式、参数设置等信息。
（5）请求url，得到response，response里面就是验证码识别的内容。

import requests
import base64


def verify_code(imge_filename, code_type='1004'):
    '''
    :param imge_filename: 验证码图片文件路径
    :code_type='1004'：验证码的类型，1004:1-4为英文数字，详细请查看：http://www.chaojiying.com/price.html
    :return: 验证码图片的内容
    '''
    base_url = 'http://upload.chaojiying.net/Upload/Processing.php'
    fp = open(imge_filename, 'rb')
    imag_str = base64.b64encode(fp.read())
    # 0
    data = {
        'user': '13016031459',
        'pass2': 'ad946e260f74e67a48092d735c75e1c4',
        'softid': '903750',
        'codetype': code_type,  # 验证码的类型
        'file_base64': imag_str,
    }
    response = requests.post(base_url, data=data)
    # print(response.json())
    if response.json()['err_no']=='0':
        return response.json()['pic_str']


if __name__ == '__main__':
    # fp = open('CheckCode.png','rb')
    filename = 'code.png'
    code_str = verify_code(filename)

按超级鹰提供的步骤做

四、综合学习案例-RPA财务机器人之发票真伪验证

1. RPA是什么

RPA并不是一个真实的、肉眼可见的机器人，而是流程自动化服务，RPA 的全称为机器人流程自动化（Robotic Process Automation），是一款软件产品，可模拟人在电脑上的不同系统之间操作行为，替代人在电脑前执行具有规律与重复性高的办公流程。
对于 RPA，也有人将它称为数字劳动力（Digital Labor），因为它擅长把工作流程中的重复操作进行自动化。繁琐流程自动化是企业数字化转型的重要环节。RPA 能够有效优化传统办公流程，提升工作效率，间接优化企业劳动资源配置，助力企业数字化升级。

2. RPA的价值

（1）降低人力资源花费，人力成本节省 30%；
（2）解决了繁杂的运行和业务逻辑，可以合理地回应单位专业知识基本建设的必须，解决工作人员变化的风险性。
（3）让职工从繁杂、低价值的劳动者中摆脱出去，从业高些价值、创造力的工作中。
（4）RPA 机器人可以二十四小时工作，提升单位的服务能力。

3. 项目需求

RPA 财务机器人可以对收付款、审批、纳税申报、对账等多个环节实现 RPA 作业，该项目主要实现发票真伪验证这个子功能的实现。
该功能主要调用百度 AI 财务机器人接口实现对发票信息的提取，再使用 selenium 进入发票真伪检验的网站对发票真伪进行验证。

4. 技术学习要点

（1）结合第三方平台（百度 AI）进行发票内容识别。
（2）使用 selenium 进入发票真伪检验的网站对发票真伪进行验证。
（3）使用打码平台进行发票真伪验证码的识别。

5. 实现

import requests, time
from selenium.webdriver.common.keys import Keys


def get_token():
    '''
    获取：Access Token
    :return:
    '''
    # client_id 为官网获取的AK， client_secret 为官网获取的SK
    host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=N6hI5qgy5VSGmhg78pEfCcNb&client_secret=ZOjCFgEZjHYBYK14frNBQi3uCqTXX8S9'
    response = requests.get(host)
    if response:
        # print(response.json())
        return response.json()['access_token']


def shibie_fp(access_token,filename):
    import base64

    '''
    增值税发票识别
    '''

    request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/vat_invoice"
    # 二进制方式打开图片文件
    f = open(filename, 'rb')
    img = base64.b64encode(f.read())

    params = {"image": img}
    access_token = access_token
    request_url = request_url + "?access_token=" + access_token
    headers = {'content-type': 'application/x-www-form-urlencoded'}
    # requests模块对于你输入url，自动回进行url编码
    response = requests.post(request_url, data=params, headers=headers)
    if response:
        # print(response.json())
        # InvoiceNum:发票号码
        # InvoiceDate：发票日期
        # InvoiceCode：发票代码
        # CheckCode：发票的校验码
        # TotalAmount：发票金额
        item = {}
        InvoiceDate = response.json()['words_result']['InvoiceDate']
        item['InvoiceNum'] = response.json()['words_result']['InvoiceNum']
        item['InvoiceDate'] = InvoiceDate.replace('年','').replace('月','').replace('日','')
        item['InvoiceCode'] = response.json()['words_result']['InvoiceCode']
        item['CheckCode'] = response.json()['words_result']['CheckCode'][-6:]
        item['TotalAmount'] = response.json()['words_result']['TotalAmount']
        print(item)
        return item


def verify_fp(item):
    from selenium import webdriver
    # 创建浏览器驱动
    driver = webdriver.Ie()
    # 请求url
    driver.get('https://inv-veri.chinatax.gov.cn/')
    # 等待
    # driver.implicitly_wait(20)
    time.sleep(5)
    # 添加发票代码
    driver.find_element_by_xpath('//*[@id="fpdm"]').send_keys(item['InvoiceCode'])
    driver.find_element_by_xpath('//*[@id="fphm"]').send_keys(item['InvoiceNum'])
    driver.find_element_by_xpath('//*[@id="kprq"]').send_keys(item['InvoiceDate'])
    driver.find_element_by_xpath('//*[@id="kjje"]').send_keys(item['CheckCode'])
    # driver.find_element_by_xpath('//*[@id="yzm_img"]').click()

    while True:
        #清空输入款
        driver.find_element_by_xpath('//*[@id="yzm"]').send_keys(Keys.CONTROL,'a')
        driver.find_element_by_xpath('//*[@id="yzm"]').send_keys(Keys.CONTROL,'x')
        code = input('输入验证码：')    # 阻塞方法
        driver.find_element_by_xpath('//*[@id="yzm"]').send_keys(code)
        time.sleep(5)
        driver.find_element_by_xpath('//*[@id="checkfp"]').click()
        time.sleep(5)
        if '3999.0'  in driver.page_source:
            print('发票为真！')
            break
        print('验证码错误，重新输入！')


if __name__ == '__main__':
    # 获取token
    access_token = get_token()
    filename = 'fapiao2.png'
    # 识别增值税发票
    item = shibie_fp(access_token,filename)
    # print(item)
    # 通过财务网站验证发票真伪
    verify_fp(item)